L’intelligence artificielle est désormais installée dans le quotidien professionnel des ingénieurs. Conception, programmation, analyse de données, recherche d’informations, rédaction technique ou exploration de solutions font déjà partie des activités dans lesquelles ces outils interviennent de plus en plus régulièrement. Cette diffusion rapide alimente naturellement les interrogations sur l’avenir de l’emploi d'ingénieur. Pourtant, les premières transformations observées invitent moins à envisager une disparition du métier d’ingénieur qu’une profonde évolution de la manière dont il s’exerce.
L’un des principaux changements concerne la répartition des tâches. L’IA peut automatiser certaines opérations, accélérer des calculs, explorer davantage de configurations ou encore produire rapidement des premières solutions. Cependant, ces gains ne sont ni systématiques ni uniformes, pour le moment. Des outils de programmation peuvent fortement réduire le temps nécessaire à certaines tâches, tandis que d’autres expériences montrent au contraire un ralentissement lorsque le travail de vérification devient important. La capacité de l’IA à produire rapidement une solution ne dispense donc pas de définir correctement le problème, d’imposer des contraintes et de contrôler la validité du résultat. Ces responsabilités demeurent au cœur du travail de l’ingénieur aujourd'hui, et encore pour longtemps, à priori.
Cette transformation se produit par ailleurs à une vitesse parfois supérieure à celle des organisations. Une grande partie des ingénieurs utilise déjà des outils d’IA dans leurs activités professionnelles, quelquefois en dehors des dispositifs officiellement mis à disposition par leur entreprise. Cette pratique connue sous le nom de « shadow IA » traduit un décalage entre l’adoption individuelle des technologies et la mise en place de règles collectives. Elle soulève des questions de confidentialité, de propriété des données, de sécurité mais aussi de responsabilité, par exemple lorsque des outils externes interviennent dans la production d’une étude, d’un programme ou d’une solution destinée à un client.
La question de l’emploi se double ainsi d’une interrogation sur les compétences. L’utilisation intensive de l’IA peut améliorer la performance immédiate tout en réduisant l’apprentissage lorsque l’utilisateur délègue à la machine une partie du raisonnement qu’il aurait auparavant dû maîtriser. Pour les ingénieurs, cette problématique est particulièrement sensible. Leur rôle consiste précisément à comprendre les phénomènes, à relier connaissances scientifiques et situations réelles et, surtout, à garantir la fiabilité des solutions proposées. Superviser correctement une IA suppose donc de conserver les connaissances permettant d’identifier ses erreurs et de comprendre les causalités que les modèles fondés sur des corrélations statistiques ne restituent pas nécessairement.
Les transformations pourraient enfin être particulièrement visibles en amont des projets. Collecte d’informations, compilation de données, études de faisabilité et premières analyses sont susceptibles d’être réalisées plus rapidement et avec davantage de paramètres. Le temps consacré à certaines activités pourrait diminuer fortement, tandis que la valeur du travail pourrait se déplacer vers l’arbitrage, la gouvernance des données, la maîtrise d’œuvre et la responsabilité des décisions. À plus long terme, l’IA pourrait également permettre d’anticiper plus finement la maintenance, l'exploitation et la durée de vie, dès la phase de conception.
L’enjeu autour de l'implémentation de l'IA dans les métiers d'ingénieurs porte donc aujourd'hui sur la recomposition du métier lui-même. Les articles réunis dans ce dossier interrogent cette frontière entre automatisation et augmentation des compétences, gains de productivité et nouveaux risques, délégation à la machine et maintien de l’expertise. Car plus l’IA prendra de place dans les processus d’ingénierie, plus la capacité à comprendre, contrôler et assumer les solutions produites pourrait devenir déterminante.
